[發明專利]用于三維動態目標識別的多傳感器多特征融合識別方法

在審

• 申請號: 201410231814.6
• 申請日: 2014-05-29
• 公開（公告）號: CN103984936A
• 公開（公告）日: 2014-08-13
• 發明（設計）人: 劉博
• 申請（專利權）人: 中國航空無線電電子研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66;G06N3/02
• 代理公司: 上海和躍知識產權代理事務所(普通合伙) 31239
• 代理人: 楊慧

技術領域

本發明涉及多機同類傳感器信息融合識別技術，特別涉及基于BP神經網絡和D-S證據理論相結合的多傳感器多特征多級融合識別方法，適用于多機或多平臺協同進行飛機目標類型識別。

背景技術

在現代戰爭中，信息主導權是影響戰略全局的關鍵因素，而成像偵察和目標識別是獲取信息的主要方式。軍用飛機等軍事目標在戰爭中具有非常重要的戰略意義，發揮著十分重要的作用。在大量的航空偵察圖像數據中快速地發現這些戰略目標，高效快速地識別軍用飛機目標類型的方法有利于作戰指揮員實時把握敵方動態進行決策分析，并迅速做出反應從而贏取戰爭的勝利，是我軍作戰取勝的關鍵內容。因此，對軍用飛機目標識別分類技術的研究具有重要的理論意義和重大的實際應用價值，對于我國國防建設也具有重要的戰略意義和社會效益。

國內外研究者對于目標識別技術領域開展了大量的研究，提出了很多應用于目標識別分類的方法。雖然目標識別分類領域可以使用的方法有很多，但目前在使用這些識別分類方法時，大多只根據單傳感器獲取得到的目標的部分特征信息進行相應的識別分類，或者使用多個傳感器獲取得到的目標的同種特征信息進行相應的識別分類。

在對三維目標進行識別時，單個傳感器提取的目標特征往往由于其自身的探測特點不能獲得對目標的完全描述，多個傳感器提取得到的目標的同類特征信息對目標特征的覆蓋面也較為有限，從而造成目標分類識別的正確概率較低。而事實上，可以描述同一目標的特征有很多種，利用現有的傳感器可以很方便的提取出來，因此如果同時利用多個傳感器獲取得到的目標的多種獨立、互補的特征向量，可以獲得對目標較為完全的描述，必然有利于大大提高目標識別的正確概率。

發明內容

針對現有識別分類方法存在的缺陷，本發明的發明目的在于提供一種用于三維動態目標類型識別的多傳感器多特征融合識別方法，將BP神經網絡方法和D-S證據理論方法進行有效結合，同時使用目標的Hu不變矩特征和Zernike不變矩特征，對不同傳感器的識別結果進行時間域和空間域上的融合，最后對融合識別結果按照判決規則進行判斷得出最終的識別結果。本發明的識別分類結果正確概率高，抗干擾、差錯性能強。

本發明的發明目的通過以下技術方案來實現：

一種用于三維動態目標識別的多傳感器多特征融合識別方法，包含以下步驟：

步驟一、將識別目標進行二維平面化，建立二維投影圖像庫；

步驟二、將二維投影圖像庫中的圖像進行預處理，進行灰度化和二值化，并對預處理后的圖像同時提取Hu矩特征和Zernike矩特征，建立圖像特征矩信息數據庫；

步驟三、將計算出的Hu矩和Zernike矩的圖像特征矩信息，分別輸入到第一BP神經網絡、第二BP神經網絡，對第一BP神經網絡、第二BP神經網絡進行訓練，得到兩個訓練好的BP神經網絡并進行保存；

步驟四，將不同傳感器獲取到的待識別的目標圖像序列進行預處理并提取Hu矩特征和Zernike矩特征，將兩種特征矩信息分別輸入到第三步中已訓練好的第一BP神經網絡、第二BP神經網絡，經計算得到基本概率分配函數，利用D-S證據理論對得到的基本概率賦值進行時域和空域的融合得到識別結果信息，對識別結果信息按照判決規則進行決策，最終得到目標識別結果信息。

依據上述特征，所述步驟一利用軟件建模法，通過軟件生成目標在不同姿態下的二維投影圖像庫。

依據上述特征，所述步驟二中的灰度化使用加權平均法，根據重要性或其他指標給R、G、B賦予不同的權值，并使R、G、B的值加權平均，即：

R＝G＝B＝(W_RR+W_GG+W_BB)/3，

其中W_R、W_G、W_B分別為R、G、B的權值，使W_G＞W_R＞W_B將得到合理的灰度圖像。

依據上述特征，當W_G＝0.59,W_R＝0.30,W_B＝0.11時，即R＝G＝B＝0.30R+0.59G+0.11B時，能得到最合理的灰度圖像。

依據上述特征，所述步驟三的具體方法為：

首選使用三個傳感器分別提取不同維度的圖像；

然后每種目標的每一個坐標維度都隨機選取一定數量的圖像，每幅圖像都提取Hu矩和Zernike矩；